Pytorch安装教程（最全最详细版）

Posted 53Dwans

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Pytorch安装教程（最全最详细版）相关的知识，希望对你有一定的参考价值。

目录

概述

PyTorch是一个开源的深度学习框架，提供了各种张量操作并通过自动求导可以自动进行梯度计算，方便构建各种动态神经网络。支持使用GPU/TPU进行加速计算。（Torch中文百科）
2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的深度神经网络。（百度百科）
Pytorch更多详细介绍参见Pytorch中文百科：Pytorch中文百科

安装

一、CUDA 安装

（一）CUDA 概述

安装CUDA视安装的Pytorch版本而定，GPU版本需要安装CUDA，CPU版本无需安装CUDA。

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。（百度百科）
CUDA更多详细介绍参见CUDA官网：CUDA官网

（二）安装

查看自己电脑显卡驱动版本（若觉得版本过低可到CUDA驱动官网下载自己电脑相应显卡最新驱动版本安装更新驱动）
1、打开NVIDIA Control Panel，点击系统信息

2、然后点击组件就能看到GPU驱动版本（例如我的电脑是CUDA 12.0.133），然后对照CUDA版本对照表

CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
3、下载完成选择“同意并继续”，然后选择自定义安装选择需要安装的组件，也可以使用推荐安装

4、下载好CUDA toolkit，下一步就是安装cudnn，下载地址：https://developer.nvidia.com/rdp/cudnn-download
CUDA安装完成（建议默认路径），cudnn下载后解压三个文件夹至CUDA的如下安装目录覆盖，即可完成安装

5、安装完成检查是否安装成功
系统变量查看CUDA环境配置成功，若未配置可以手动配置

然后用Win+R快捷键输入cmd打开终端，输入nvcc -V,如下图所示表示安装cuda成功

打开CUDA安装目录下的extras，然后打开demo_suit，然后在文件位置处输入cmd，能打开对应位置的命令行，在命令行中输入bandwidthTest.exe 和 deviceQuery.exe，出现如下说明cudnn安装成功

具体安装过程参考博文：
https://blog.csdn.net/qq_44442727/article/details/119923070
https://blog.csdn.net/qq_37867431/article/details/127071132

二、Anaconda 安装

1、Anaconda官网下载：https://www.anaconda.com 按需要选择版本下载

2、路径根据自己实际选择，点击“Next”，直到安装完成


3、配置环境变量
进入系统环境变量点击 Path 添加如下路径（视自己安装路径情况而定）：

E:\\Anaconda
E:\\Anaconda\\Scripts
E:\\Anaconda\\Library\\bin
E:\\Anaconda\\Library\\mingw-w64\\bin

4、测试是否安装成功
Win+R进入cmd，输入conda --version，显示如下则安装成功

三、Pytorch安装

（一）GPU版本安装

方法一

在线安装
1、打开Anaconda Powershell Prompt，输入conda info --envs，查看安装的环境

2、进入Pytorch官网：https://pytorch.org/，找到合适自己电脑的版本

3、复制Run this Command：conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia（视自己情况而定）到Anaconda Powershell Prompt 确认下载


4、测试是否安装成功
在Anaconda Powershell Prompt依次输入

python
import torch
torch.__version__
torch.cuda.is_available()

显示如下即安装成功

方法二

离线安装
1、查看Anaconda或者本地安装的Python版本

2、Torch和Torchvision的版本对应

3、到Pytorch离线下载资源网站下载对应版本（CPU版本和GPU版本）：https://download.pytorch.org/whl/torch_stable.html

4、下载好后复制并切换到Anaconda所在目录，使用“pip”命令安装
pip install “文件名"


5、测试是否安装成功

结果与在线安装测试结果相同

（二）CPU版本安装

参考博主：https://blog.csdn.net/weixin_44904136/article/details/123285884

附：
添加清华源：
在cmd下执行如下语句

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --set show_channel_urls yes
conda config --set ssl_verify false

在Anaconda安装文件下找到.condarc文件（一般在C盘用户目录下）

恢复默认源：
conda config --remove-key channels

参考：
Pytorch最全安装教程（一步到位）
cuda11.2安装pytorch——torch.cuda.is_available()=false
电脑配置cuda11.3+cudann+torch踩坑，详细版
2021.08.26学习内容 Win10+GeForce GTX1650安装NVIDIA显卡驱动及CUDA11.4+cuDNN8.2

深度学习环境配置详细教程（资源已上传）

文章目录

一、推荐系列

1.1、大神视频详细讲解

b站最全最简洁易学的深度学习环境配置教程：Anaconda + Pycharm + CUDA + CUdnn + PyTorch + Tensorflow

1.2、最全最简易的保姆教程

最全最简易的保姆教程：深度学习环境配置 Anaconda+Pycharm+CUDA+cuDNN+TensorFlow+PyTorch

1.3、百度网盘资源

百度网盘链接：https://pan.baidu.com/s/1GK9YZIk9C_Atk70-QCTCDQ?pwd=9sfh
提取码：9sfh

整套资源已上传，按需求下载（版本对应）。环境配置如下：

二、环境配置

详细安装如下：
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv
（2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv

2.0、查看已安装软件的版本号

查看已安装软件版本号DOS命令提示符窗口中查看说明
Python版本号WIN +R + cmd + 运行 + python若未安装将提示：‘python’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
Anaconda版本号WIN +R + cmd + 运行 + conda -V若未安装将提示：‘conda’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
CUDA版本号WIN +R + cmd + 运行 + nvcc -V若未安装将提示：‘nvcc’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
Pytorch版本号WIN +R + cmd + 运行 + 【python + import torch + torch.__version__】若未安装将提示：ModuleNotFoundError：No module named ‘torch’
查看CUDA安装路径WIN +R + cmd + 运行 + set cuda
输入exit()，回到DOS命令中DOS命令中，输入pip list，查看安装的所有软件常用DOS命令

2.1、Anaconda安装

  • Anaconda（中文名大蟒蛇），是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
  • conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。

Anaconda官网下载：Anaconda | The World’s Most Popular Data Science Platform
若官网登不上，可以登陆清华大学开源软件镜像站下载。

（1）下载详细过程：点击Get Additional Installers - 下载电脑对应的版本。

（2）安装详细过程：Next - I Agree - Next（Just me）- Browse（建议不要安装到C盘） - 两个都勾选（表示将环境变量自动添加到系统变量中） - Install - Next - Next - Finish（都不勾选）。

（3）查看是否安装成功：WIN +R + cmd + 运行 + conda -V 或 python。（1）若弹出conda版本号时，说明安装成功。（2）若弹出python版本号及其他信息，说明安装成功。（3）若未安装成功，将提示：‘conda’ 不是内部或外部命令，也不是可运行的程序或批处理文件。

2.2、Pycharm安装

Pycharm官网下载：PyCharm：JetBrains为专业开发者提供的Python IDE

（1）下载详细过程：下载 - 选择Community版本（免费）直接下载。
提供两个两个版本：Professional（专业版，收费）和Community（社区版，免费）。
（2）安装详细过程：Browse（建议不要安装到C盘） - 全部勾选 - Install - 选择待会重启。

（3）创建项目的环境配置：打开软件 + File - Settings - Python：pythonProject - Python Interpreter（解释器） - 选择Python.exe的安装目录。
详细步骤如下：PyCharm下载安装教程 + 创建项目的环境配置

2.3、CUDA安装

  • CUDA（Compute Unified Device Architecture），是NVIDIA推出的运算平台，是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
  • CUDA Toolkit：为创建高性能gpu加速应用程序提供了开发环境。
    （1）可以在gpu加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上，进行开发、优化和部署应用程序。
    （2）包括gpu加速库、调试和优化工具、C/ c++编译器和用于部署应用程序的运行时库。
    （3）利用内置的跨多GPU配置分布计算的功能，科学家和研究人员可以开发从单个GPU工作站扩展到具有数千个GPU的云安装的应用程序。

GPU需要与CUDA结合，才能完成模型训练、PyTorch安装等等。若没有CUDA，GPU在深度学习中就是个摆设。GPU推理速度是CPU的几十倍。

2.3.1、查看电脑显卡、电脑支持的最高CUDA版本

  • （1）查看电脑显卡：点击电脑菜单 + 鼠标右键 + 设备管理器 + 显示设备器 = NVIDIA显卡型号
  • （2）显卡驱动更新到最新版本。否则可能导致安装的CUDA其他配置环境会有版本不支持，不匹配等问题。显卡更新去NVIDIA官网下载，建议不要使用驱动精灵或者360驱动大师等更新，容易出各种问题。详细下载教程。
  • （3）查看电脑支持的最高CUDA版本：WIN +R + cmd + 运行 + nvidia-smi。
  • 11、若提示：‘nvidia-smi’ 不是内部或外部命令，也不是可运行的程序或批处理文件。 原因：NVIDIA驱动没有添加到系统环境路径中。
  • 22、详细过程如下：我的电脑 + 鼠标右键 + 属性 + 高级系统设置 + 环境变量 + 系统变量 + Path + C:\\Program Files\\NVIDIA Corporation\\NVSMI
  • 33、重复步骤显示如下：
表格参数详解说明（从左到右、从上到下）nvidia-smi命令详解和一些高阶技巧讲解
NVIDIA-SMINVIDIA-SMI版本号
Driver Version显卡驱动版本号
CUDA Version当前显卡的最高支持版本号（CUDA是向下兼容的，所以最高支持的CUDA版本及以下都是支持的）
GPU本机中的GPU编号（有多块显卡的时候，从0开始编号）
Fan风扇转速（0%-100%），N/A表示没有风扇
NameGPU类型（图上GPU的类型是：NVIDIA）
TempGPU温度（GPU温度过高会导致GPU的频率下降）
PerfGPU性能状态（从P0（最大性能）到P12（最小性能））
Persistence-M持续模式状态（持续模式虽然耗能大，但在新的GPU应用启动时花费的时间更少）
PwrUsager/Cap：能耗表示（其中：Usage表示用了多少，Cap表示总共多少。）
Bus-IdGPU总线相关显示
Disp.AGPU的显示是否初始化（全称Display Active ）
Memory-Usage显存使用率
Volatile GPU-UtilGPU使用率
Uncorr. ECC是否针对ECC开启错误检查和纠正技术（0/disabled，1/enabled）
Compute M计算模式（0/DEFAULT、1/EXCLUSIVE_PROCESS、2/PROHIBITED）
Processes显示当前进程占用的显存使用率、进程号、占用的哪个GPU

2.3.2、CUDA下载与安装

CUDA官网下载：CUDA Toolkit Archive | NVIDIA Developer

（1）下载详细过程：请参考本机的显卡驱动以及电脑最高支持的CUDA版本，选择对应的版本。（版本不宜太高，否则将导致其他配置环境没有对应的版本。）

（2）安装详细过程：

CUDA安装前必读的两个问题：

  • BUG1：若本机安装过CUDA，则只需要保留三个NVIDIA插件：NVIDIA GeForce Experience、NVIDIA PhysX 系统软件、NVIDIA 图形驱动程序。其余全部卸载干净，否则可能会导致安装失败。
  • BUG2：选择驱动程序组件时
    （1）若本机未安装VS，默认全部勾选。
    （2）若本机已安装VS，则系统会自动核实VS与CUDA版本是否匹配，若不匹配系统会循环让你确认而导致无法安装。通过直接卸载VS，且不勾选CUDA组件下的VS，可正常安装。
    此时会提示你没有VS将导致部分功能无法使用，无需理会。

CUDA安装详细教程

2.4、cuDNN安装

  • cuDNN（CUDA深度神经网络库）：是经 GPU 加速的深度神经网络基本库。cuDNN为向前和向后卷积、池化、规范化和激活层等标准例程提供了高度调优的实现。
  • 全球深度学习研究人员和框架开发人员依靠cuDNN实现高性能GPU加速。这使得他们可以专注于训练神经网络和开发软件应用程序，而不是花时间在低水平的GPU性能调优上。cuDNN加速了广泛使用的深度学习框架，包括Caffe2、Chainer、Keras、MATLAB、MxNet、PaddlePaddle、PyTorch和TensorFlow。

cuDNN官网下载：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

（1）下载详细过程：注册NVIDIA账号 + 选择与CUDA相对应的cuDNN版本。

（2）安装详细过程> 查看CUDA安装路径：WIN +R + cmd + 运行 + set cuda

2.5、Pytorch安装

PyTorch：是一个能在CPU和GPU上运行并解决各类深度学习问题的深度学习框架。可以将其看作是支持GPU计算和自动微分计算的Numpy库。

（1）若选择创建新的conda虚拟环境，可以实现Pycharm在多个环境下的切换。
（2）当然也可以选择不新建，直接安装：pip install。
备注：在安装过程中，可能会提示pip需要升级。

2.5.1、创建新的conda虚拟环境（需联网）

  • 依据：Anaconda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
  • 作用：在Anaconda Prompt下，创建新的conda虚拟环境，可以在Pycharm下，实现多个环境的切换。比如：不同Python版本、不同Pytorch版本。

Pytorch环境搭建详细教程（Anaconda+Pycharm）

  • 点击开始菜单，进入Anaconda Prompt命令行
  • 默认进入 base 虚拟环境，退出 base 环境：conda deactivate
  • 创建一个名为pytorch_env，python版本为3.9的虚拟环境：conda create --name pytorch_env python=3.9。弹出提示，输入 y，即可安装。
  • 激活并进入新环境：conda activate pytorch_env。左边的 base 变成了 pytorch，代表成功进入 pytorch_env 环境。
  • 安装命令：pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu113/torch_stable.html
  • 验证Pytorch是否安装成功：
    python
    import torch
    torch.__version__

2.5.2、pip升级（在线与离线）

报错信息内容：WARNING: There was an error checking the latest version of pip.
报错内容翻译：警告：检查最新版本的pip时出错。
报错原因分析：需要升级pip版本，才可以安装其他模块。

  • 第一种：pip在线升级
    dos命令提示符窗口中输入：python -m pip install --upgrade pip
  • 第二种：pip离线升级（.whl）
    11、Python官网轮子下载：https://pypi.org/project/pip/#files
    22、将安装包存放到python.exe的目录下，并且通过dos命令窗口cd跳转到python.exe目录下。
    33、dos命令提示符窗口中输入：python -m pip install --upgrade xxx.whl
    44、系统会先卸载原版本，再安装新版本，最终显示安装成功。

2.5.3、Pytorch安装（在线与离线）

第一种：Pytorch在线安装
 
Pytorch官网下载：An open source machine learning framework that accelerates the path from research prototyping to production deployment.
 
（1）详细下载过程：在官网中，找到与本机对应的CUDA版本，选中+右击+复制。

（2）详细安装过程
若需要新建虚拟环境，可参考上述操作。也可以选择直接在当前环境下安装：

  • dos命令提示符窗口中输入：pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu113/torch_stable.html

第二种：Pytorch离线安装 ：Pytorch离线安装详细教程
 
Pytorch离线下载：（CPU / GPU）torch、torchaudio、torchvision的轮子下载
11、torch：是一个开源的Python深度学习框架。
22、torchaudio：主要加载 wav 和 mp3 格式的音频文件，获取原始信号。
33、tochvision：主要处理图像数据，包含一些常用的数据集、模型、转换函数等。
 
（1）需要分别下载（torch、torchaudio、torchvision）
参数讲解：cu111/torch-1.9.1%2Bcu111-cp39-cp39-win_amd64.whl

  • cu111：表示GPU版Pytorch，且CUDA版本11.1。
  • torch-1.9.1：表示torch版本1.9.1。
  • %2B：表示beta版本，与正式版一样。
  • cp39：表示python3.9版本。
  • win_amd64：表示适配的操作系统。

备注1：找到本机的CUDA版本，选择对应的Pytorch版本； 否则将提示当前轮子在该平台不支持。
备注2：torch、torchaudio、torchvision版本必须一致； 否则将提示当前轮子在该平台不支持。查看版本对应关系

（2）需要分别安装（torch、torchaudio、torchvision）
若需要新建虚拟环境，可参考上述操作。也可以选择直接在当前环境下安装：

  • 11、dos命令提示符窗口中，cd定位到下载地址。
  • 22、依次安装：
    pip install torch-xxx.whl
    pip install torchvison-xxx.whl
    pip install torchaudio-xxx.whl

2.6、Opencv安装

注意 opencv_python 和 opencv_contrib-python 的版本一致

卸载老版本

  • dos命令提示符窗口中，依次安装：
    pip uninstall opencv-python==4.1.2.30
    pip uninstall opencv-contrib-python==4.1.2.30

第一种：在线安装

  • dos命令提示符窗口中，依次安装：
    pip install opencv-python== 3.4.2.16
    pip install opencv-contrib-python==3.4.2.16

第二种：离线安装（.whl）
（1）下载详细教程
Opencv-python下载地址：Links for opencv-python
opencv-contrib-python下载地址：Links for opencv-contrib-python

（2）详细安装教程

  • 11、dos命令提示符窗口中，cd定位到下载地址。
  • 22、依次安装：
    pip install opencv_python-4.5.4.60-cp39-cp39-win_amd64.whl
    pip install opencv_contrib_python-4.5.4.60-cp39-cp39-win_amd64.whl

2.7、Visual Studio安装

官网下载：Visual Studio：适用于 Windows 上 .NET 和 C++ 开发人员的最佳综合 IDE。

下载和安装详细教程：VS2019安装和使用教程（详细）

2.8、Python开源常用扩展包

Python开源常用扩展包下载地址：Archived: Unofficial Windows Binaries for Python Extension Packages

快速搜索文件：ctrl + F + 想要下载的文件名

下载后安装

  • 11、dos命令提示符窗口中，cd定位到下载地址。
  • 22、开始安装：
    pip install numpy‑1.22.4+mkl‑cp39‑cp39‑win_amd64.whl。

以上是关于Pytorch安装教程（最全最详细版）的主要内容，如果未能解决你的问题，请参考以下文章

深度学习环境配置详细教程（资源已上传）

这可能是最全最详细的Redis安装使用教程

最全EduSoho开源版安装教程4：常见EduSoho扩展安装教程

Anaconda中GPU版本Pytorch 的whl 安装方法2023.1最新最详细（附anaconda以及cuda&cudnn安装教程）

Windows10 PyTorch1.5 安装教程 | 很详细

Windows10 PyTorch1.5 安装教程 | 很详细